偏微分方程I PDE的例子1 一维波动与热传导方程

一些著名的偏微分方程(partial differential equations, PDE)的例子:

  1. 波动方程(一维的wave equation是d‘Alembert、Bernoulli导出的,Euler导出了二维的wave equation)
  2. 热传导方程(Fourier导出)
  3. Navier-Stokes方程(流体力学)
  4. Maxwell方程(电磁理论)
  5. Boltzmann方程(统计力学)
  6. Schroedinger方程(量子力学)
  7. Black-Scholes方程(期权定价)

例1 一维波动方程
考虑一根被固定在x=0x=0x=0与x=Lx=Lx=L处的弦的波动,u(x,t)u(x,t)u(x,t)是ttt时刻xxx位置的挠度,我们考虑xxx与x+Δxx+\Delta xx+Δx这两个位置,假设ttt时刻它们的张力大小为TTT,与水平方向的夹角分别为ψ,ψ+Δψ\psi,\psi+\Delta \psiψ,ψ+Δψ,考虑这一段微元,张力在竖直方向的合力为
T[sin⁡(ψ+Δψ)−sin⁡(ψ)]≈T[tan⁡(ψ+Δψ)−tan⁡(ψ)]=T[∂u(x+Δx,t)∂x−∂u(x,t)∂x]=T∂2u(x+ξΔx,t)∂x2Δx,∃ξ∈(0,1)T[\sin (\psi+\Delta \psi)-\sin(\psi)]\approx T[\tan (\psi+\Delta \psi)-\tan(\psi)] \\ = T[\frac{\partial u(x+\Delta x,t)}{\partial x}-\frac{\partial u(x,t)}{\partial x}]=T\frac{\partial^2 u(x+\xi \Delta x,t)}{\partial x^2}\Delta x,\exists \xi \in (0,1)T[sin(ψ+Δψ)−sin(ψ)]≈T[tan(ψ+Δψ)−tan(ψ)]=T[∂x∂u(x+Δx,t)​−∂x∂u(x,t)​]=T∂x2∂2u(x+ξΔx,t)​Δx,∃ξ∈(0,1)

最后一步用的Lagrange中值定理。根据牛顿第二定律,
TuxxΔx=ρΔxutt,Tρuxx=uttTu_{xx}\Delta x=\rho \Delta x u_{tt} ,\frac{T}{\rho} u_{xx}=u_{tt}Tuxx​Δx=ρΔxutt​,ρT​uxx​=utt​

这里的ρ\rhoρ是线密度。我们称这样的方程是homogeneous 1-D wave equation(齐次一维波动方程),它的一般形式为
uxx=c2uttu_{xx}=c^2 u_{tt}uxx​=c2utt​

这里的ccc的量纲是速度,
[c2]=[T][ρ]=ML/T2M/L=L2T2,[c]=LT[c^2]=\frac{[T]}{[\rho]}=\frac{ML/T^2}{M/L}=\frac{L^2}{T^2},[c]=\frac{L}{T}[c2]=[ρ][T]​=M/LML/T2​=T2L2​,[c]=TL​

它实际弦在波动时的波的传播速度。

假设弦在竖直方向受载荷F(x,t)F(x,t)F(x,t)的作用,则
TuxxΔx+F(x,t)Δx=ρΔxuttutt=c2uxx+FρTu_{xx}\Delta x+F(x,t)\Delta x=\rho \Delta x u_{tt} \\ u_{tt}=c^2u_{xx}+\frac{F}{\rho}Tuxx​Δx+F(x,t)Δx=ρΔxutt​utt​=c2uxx​+ρF​我们称这样的方程是inhomogeneous 1-D wave equation(非齐次一维波动方程),它的一般形式为
uxx=c2utt+fu_{xx}=c^2 u_{tt}+fuxx​=c2utt​+f

评注
引入d’Alembert算子,
□c=∂2∂t2−c2Δ\Box_c=\frac{\partial^2}{\partial t^2}-c^2 \Delta□c​=∂t2∂2​−c2Δ

这里的Δ=∇⋅∇\Delta=\nabla \cdot \nablaΔ=∇⋅∇,是Laplace算子,则homogeneous 1-D wave equation可以表示为
□cu=0\Box_cu=0□c​u=0

inhomogeneous 1-D wave equation可以表示为
□cu=f\Box_cu=f□c​u=f

例2 Helmholtz方程(声波、光的散射等)
假设
f(x,t)=f0(x)eiwt,u(x,t)=u0eiwtf(x,t)=f_0(x)e^{iwt},u(x,t)=u_0e^{iwt}f(x,t)=f0​(x)eiwt,u(x,t)=u0​eiwt

代入inhomogeneous 1-D wave equation,
Δu0+K2u0=−f0c2,K2=w2c2\Delta u_0+K^2u_0=-\frac{f_0}{c^2},K^2=\frac{w^2}{c^2}Δu0​+K2u0​=−c2f0​​,K2=c2w2​

这就是Helmholtz方程;计算
□cu=∂2u∂t2−c2Δu=−u0w2eiwt−c2Δu0eiwt=f0eiwt\Box_cu=\frac{\partial^2u}{\partial t^2}-c^2 \Delta u =-u_0w^2e^{iwt}-c^2\Delta u_0 e^{iwt}=f_0e^{iwt}□c​u=∂t2∂2u​−c2Δu=−u0​w2eiwt−c2Δu0​eiwt=f0​eiwt

约掉eiwte^{iwt}eiwt就可以得到Helmholtz方程。

这里的www是频率,因此KKK的含义是波数(wave number),
[K2]=[w2][c2]=1/T2L2/T2=1L2,[K]=1[L][K^2]=\frac{[w^2]}{[c^2]}=\frac{1/T^2}{L^2/T^2}=\frac{1}{L^2},[K]=\frac{1}{[L]}[K2]=[c2][w2]​=L2/T21/T2​=L21​,[K]=[L]1​

例3 一维热传导方程
考虑一根放在xxx轴上的很细的均匀实心金属管,考虑xxx到x+dxx+d xx+dx这一段微元,AAA是截面积,LLL是金属管长度,用u(x,t)u(x,t)u(x,t)表示温度场,ρ(x,t)\rho(x,t)ρ(x,t)表示密度,ccc表示比热容。这一段微元的元质量为ρAdx\rho A dxρAdx,元热量为cu(x,t)ρAdxcu(x,t)\rho A dxcu(x,t)ρAdx。在x∈(a,b)x \in (a,b)x∈(a,b)上,热量为
Q=∫abcu(x,t)ρAdxQ = \int_a^bcu(x,t)\rho A dxQ=∫ab​cu(x,t)ρAdx

根据Fourier定律,heat flux与温度场的负梯度成正比,用kkk表示热传导系数,则
F(x,t)=−k∂u(x,t)∂xF(x,t)=-k\frac{\partial u(x,t)}{\partial x}F(x,t)=−k∂x∂u(x,t)​

于是通过(a,b)(a,b)(a,b)的heat flux为
A[k∂u(b,t)∂x−k∂u(a,t)∂x]=∫abA∂∂x(k∂u(x,t)∂x)dxA[k\frac{\partial u(b,t)}{\partial x}-k\frac{\partial u(a,t)}{\partial x}]=\int_a^b A\frac{\partial }{\partial x}(k\frac{\partial u(x,t)}{\partial x})dxA[k∂x∂u(b,t)​−k∂x∂u(a,t)​]=∫ab​A∂x∂​(k∂x∂u(x,t)​)dx

假设无热源,根据能量守恒
dQdt=A[k∂u(b,t)∂x−k∂u(a,t)∂x]cρut=Kuxx,K=kcρ\frac{dQ}{dt}=A[k\frac{\partial u(b,t)}{\partial x}-k\frac{\partial u(a,t)}{\partial x}] \\ c\rho u_t=Ku_{xx},K=\frac{k}{c \rho}dtdQ​=A[k∂x∂u(b,t)​−k∂x∂u(a,t)​]cρut​=Kuxx​,K=cρk​

假设存在热源q1(x,t)q_1(x,t)q1​(x,t),则根据能量守恒定律,
dQdt=A[k∂u(b,t)∂x−k∂u(a,t)∂x]+∫abq1(x,t)dxut=Kuxx+q,K=kcρ,q=q1cρ\frac{dQ}{dt}=A[k\frac{\partial u(b,t)}{\partial x}-k\frac{\partial u(a,t)}{\partial x}]+\int_a^b q_1(x,t)dx \\ u_t=Ku_{xx}+q,K=\frac{k}{c \rho},q=\frac{q_1}{c\rho}dtdQ​=A[k∂x∂u(b,t)​−k∂x∂u(a,t)​]+∫ab​q1​(x,t)dxut​=Kuxx​+q,K=cρk​,q=cρq1​​

偏微分方程I PDE的例子1 一维波动与热传导方程相关推荐

  1. 一维非齐次热传导方程的向后 Euler 格式(附matlab源代码)

    一维非齐次热传导方程的向后 Euler 格式 文章目录 一维非齐次热传导方程的向后 Euler 格式 差分格式 数值结果 源代码 考虑如下热方程: {∂u∂t=∂2u∂x2,0≤x≤1,0≤t≤1u( ...

  2. 数值方法3:偏微分方程1:使用有限差分法解一维热传导(扩散)方程

    初学练习,看b站课程,教学为matlab代码,自己写的Python代码,后面会放b站课程链接,感兴趣的同学可以学习观看. 说明:Python初学者,代码可能不够漂亮,欢迎大家批评指正.本系列代码用no ...

  3. matlab实现傅里叶变换_傅立叶变换求解偏微分方程和积分方程

    本编文章探讨一下数学物理方法中一个常见的问题,即如何用傅立叶变换得到PDE或者积分方程的解.在文章的最后,会附上MATLAB的实现代码.学疏才浅,欢迎大家指点! 1. 什么是傅立叶变换? 从数学形式上 ...

  4. matlab pde工具箱解最优化控制,MATLAB PDE工具箱在半导体器件中的应用研究

    1. 引言 半导体是近代发现的一种新型材料,其在常温下的导电性能介于导体与绝缘体之间,是制作电子器件的重要材料.半导体材料独特的导电性能为计算机和电子设备的发展提供了更加广阔的可能性,并且被广泛运用在 ...

  5. python如何求解微分方程_用Python数值求解偏微分方程

    1 引言 微分方程是描述一个系统的状态随时间和空间演化的最基本的数学工具之一,其在物理.经济.工程.社会等各方面都有及其重要的应用.然而,只有很少的微分方程可以解析求解,尤其对于偏微分方程,能解析求解 ...

  6. 当Transformer遇见偏微分方程求解

    本篇与大家分享最近阅读的Transformer求解偏微分方程论文Choose a Transformer: Fourier or Galerkin,该论文已被NeurIPS2021接收. 背景介绍 在 ...

  7. 偏微分方程的数值解(五): 二维状态空间的偏微分方程的 MATLAB 解法

    偏微分方程的数值解系列博文: 偏微分方程的数值解(一):定解问题 & 差分解法 偏微分方程的数值解(二): 一维状态空间的偏微分方程的 MATLAB 解法 偏微分方程的数值解(三): 化工应用 ...

  8. pde中微元分析法的主要思想_有限元方法的核心思想

    有限元法(Finite Element Method)是基于近代计算机的快速发展而发展起来的一种近似数值方法,用来解决力学,数学中的带有特定边界条件的偏微分方程问题(PDE).而这些偏微分方程是工程实 ...

  9. java循环输入_【图文+视频新手也友好】Java一维数组详细讲解(内含练习题答案+详解彩蛋喔~)...

    [新手友好型视频+图文] 全面讲解Java一维数组(内含带答案和讲解的练习题彩蛋喔) 看完即上手!更有详解版练习题来帮你加深印象~~ 一.视频讲解 一维数组详解https://www.zhihu.co ...

最新文章

  1. linux的网络地址配置,教你如何完成Linux网络地址配置
  2. GTA 5祖传「屎山」代码终于修复!R星认可黑客方案,还给他发了1万美元奖金
  3. 彩云国物语片头曲_はじまりの風
  4. MySQL存储日志并使用Loganalyzer作为前端展示
  5. 牛客 - 奇怪的背包问题增加了(贪心)
  6. 前端学习(553):node实现登录和注册第一部分代码
  7. iOS: 图解Xcode常用的快捷键
  8. 广州技术沙龙第 2、3 期参会者twitter、blog、兴趣大合集
  9. java写出http数据包_java用jpcap怎么识别出http和https的数据包?
  10. php计算结果排序,php-按从数组计算出的值对数组进行排序
  11. SQL注入:4、数据库可写
  12. GDAL书籍中删除数据勘误(C#语言)
  13. 网页设计Web尺寸规范
  14. Speex的安装使用
  15. 行人重识别论文阅读12-Bi-directional Exponential Angular Triplet Loss for RGB-Infrared Person ReID
  16. 深度学习的图片统一设置大小
  17. Android距离传感器unregisterListener无用解决
  18. 2023年品牌惊蛰节气海报赏析
  19. 【Get深一度】Microsoft Office 2013 Word中图片插入后变模糊解决办法
  20. 极值分布的类型及性质-----极值理论的学习1

热门文章

  1. eclipse集成tomcat运行web时提示引入jar包的类找不到的解决办法
  2. Scapy学习笔记二
  3. delimiter mysql报错_MySql中的DELIMITER错误
  4. 打印金子塔||打印乘法表 用函数的思想实现
  5. 编译、链接和运行详解
  6. CC2541对AT24CXX系列存储器的支持
  7. [YTU]_2907( 类重载实现矩阵加法)
  8. boundingRect函数
  9. 【Kaggle-MNIST之路】两层的神经网络Pytorch(改进版)(二)
  10. 感知机模型[神经网络入门]